UV Traitement du signal Cours 1 Introduction au Traitement du Signal Représentation temporelle des signaux ASI 3 1
Traitement du Signal Introduction au TS Transformation de Fourier Systèmes linéaires continus Filtrage analogique Continu Discret TF en Discret Systèmes linéaires Discrets Filtrage Numérique DSP? 2
Contenu du cours Introduction Définition d'un signal Qu'est-ce que le traitement du signal? Chaîne de traitement de l'information Classification des signaux Signaux élémentaires Notions de corrélation Notions de distributions Définition d'une distribution Impulsion de Dirac 3
Introduction Signal Exemples Représentation physique d'une information à transmettre Entité qui sert à véhiculer une information Onde acoustique : courant délivré par un microphone (parole, musique, ) Signaux biologiques : EEG, ECG Tension aux bornes d'un condensateur en charge Signaux géophysiques : vibrations sismiques Finances : cours de la bourse Débit de la Seine Images Vidéos etc. Bruit : Tout phénomène perturbateur pouvant géner la perception ou l'interprétation d'un signal 4
Introduction Définitions : Traitement du signal Ensemble de techniques permettant de créer, d'analyser, de transformer les signaux en vue de leur exploitation Extraction du maximum d'information utile d'un signal perturbé par le bruit Notion très importante : le bruit 5
Introduction Fonctions du traitement du signal Créer : Élaboration de signaux Synthèse : création de signaux par combinaison de signaux élémentaires Modulation : adaptation du signal au canal de transmission 6
Introduction Fonctions du traitement du signal Analyser : Interprétation des signaux Détection : isoler les composantes utiles d'un signal complexe, extraction du signal d'un bruit de fond Identification : classement du signal (identification d'une pathologie sur un signal ECG, reconnaissance de la parole, etc.) 7
Introduction Fonctions du traitement du signal Transformer : adapter un signal aux besoins Filtrage : élimination de certaines composantes Détection de craquements sur un enregistrement, Détection de bruit sur une image, Annulation d'écho, etc. Codage/compression (Jpeg, mp3, mpeg4, etc.) y Bbc.wav h 1 h 2 h M M M M y 1 y 2 y 8 Allocation de bits aux bandes selon l énergie des signaux M M M M*h 1 M*h 2 M*h M y rec Étage de filtres Algorithme d allocation: Taux de compression Anti aliasing Décimation (sous-échantillonnage) Étage de filtres interpolateurs sur-échantillonnage 8
La chaîne de traitement de l'information et le TS Système physique Capteur Récepteur Traitements Transmission Bruit Bruit Analyse Extraction d'information Reco. de formes Compression (mp3,...) etc. 9
Objectifs Connaissances théoriques élémentaires pour Décrire et représenter les signaux Comprendre le principe et les limites des méthodes de traitement mettre en œuvre des méthodes de traitement simples Objectifs de ce premier cours : Classification des signaux selon différentes catégories (leur dimension, leur évolution, leur énergie, leur morphologie) Énergie et puissance Notion de corrélation 1
Classification des signaux Classification dimensionnelle Signal monodimensionnel 1D Fonction d'un seul paramètre, pas forcément le temps : une concentration, une abscisse, etc. 2 1-1 -2 1 2 3 4 Signal bidimensionnel 2D Exemple : image NG f ( x, y) Signal tridimensionnel 3D Exemple : film NB f ( x, y, t) 11
Classification phénoménologique Evolution déterministe ou aléatoire des signaux Signaux déterministes Signaux dont l'évolution en fonction du temps t peut être parfaitement décrite grâce à une description mathématique ou graphique. Sous catégories : périodiques apériodiques transitoire T x( t) = x( t + kt ) support non borné support borné Signal réel C'est un signal représentant une grandeur physique. Son modèle mathématique est une fonction réelle. Ex. : tension aux bornes d'un C 12
Classification phénoménologique Signaux aléatoires (stochastiques) Signaux dont l'évolution temporelle est imprévisible et dont on ne peut pas prédire la valeur à un temps t. La description est basée sur les propriétés statistiques des signaux (moyenne, variance, loi de probabilité, ) Exemple résultat d'un jet de dé lancé toutes les secondes (moyenne=3.5, écart type :1.87) Signaux aléatoires stationnaires Stationnaire si les caractéristiques statistiques ne varient pas au cours du temps. stationnaires Non-stationnaires 13
Classification énergétique Energie et Puissance des signaux Soit un signal x(t) défini sur ], + [, et T un intervalle de temps Energie de x(t) E = E = Puissance moyenne de x(t) P = + lim To x( t) 2 1 T dt T 2 T 2 ou x( t) 2 dt T lim T 2 T 2 x( t) 2 dt Homogène à E/t Cas des signaux périodiques de période T P = 1 T T 2 T 2 x( t) 2 dt 14
Classification énergétique Remarques : Signaux à énergie finie puissance moyenne nulle Généralement, cas des signaux représentant une grandeur physique. Signaux transitoires à support borné Signaux à énergie infinie puissance moyenne non nulle Cas des signaux périodiques Notion valable pour les signaux aléatoires et déterministes 15
Classification morphologique 1ère partie du cours quantification échantillonnage 2ème partie du cours 16
Retour sur la notion de bruit Bruit Def. : Tout phénomène perturbateur pouvant géner la perception ou l'interprétation d'un signal La notion de bruit est relative, elle dépend du contexte Exemple classique du technicien en télécom et de l'astronome : Pour le technicien en télécom : Ondes d'un satellite = signal Signaux provenant d'une source astrophysique = bruit Pour l'astronome : Ondes d'un satellite = bruit Signaux provenant d'une source astrophysique = signal Tout signal physique comporte du bruit = une composante aléatoire Introduction de la notion du rapport signal/bruit 17
Notion de rapport signal sur bruit Objectif Signal = composante déterministe + composante aléatoire. Déterminer la qualité d'un signal aléatoire ou déterministe introduction d'un rapport R S/B quantifiant l'effet du bruit. R P R ( db) = 1log s S B = ou / P S B b P s est la puissance du signal et P b celle du bruit. R S/B = db ( R / 1 S / B R S/B =26 db ) Signal + bruit Signal 18
Signaux élémentaires continus Échelon Γ ( t) = Γ (t) 1 1 pour t < pour t > Signal porte ou rectangle Π τ ( t) = 1 τ pour t 2 ailleurs Π τ (t) 1 permet d'exprimer l'établissement instantané d'un régime continu Exponentielle décroissante at y( t) = Γ ( t) e a > τ / 2 τ / 2 τ : largeur de la porte Peut aussi être défini comme une différence de deux échelons. Signaux périodiques : sin / cos 19
Notion d'autocorrélation Définition L'autocorrélation réalise une comparaison entre un signal x(t) et ses copies retardées (étude de ressemblance d'un signal avec lui-même au cours du temps) Pour les signaux à énergie finie * C xx ( τ ) = x( t) x ( t τ ) dt Pour les signaux à énergie infinie C xx ( τ ) = Propriétés C + 1 lim T T T / 2 T * x( t) x ( t τ ) dt / 2 : Maximum en xx ( τ ) Cxx() Homogène à une énergie, C xx () est l'énergie du signal Homogène à une puissance, C xx () est la puissance moyenne du signal Si x(t) est périodique alors C xx (t) est périodique de même période C xx (t) est paire pour des signaux réels 2
Notion d'intercorrélation Définition L'intercorrélation compare un signal x(t) et un signal y(t) retardée. Elle mesure la similitude entre ces deux signaux + Pour les signaux à énergie finie C xy ( τ ) = x( t) y* ( t τ ) dt T / 2 Pour les signaux à énergie infinie ( τ ) = lim Exemple d'application Détection par intercorrélation C xy T 1 T T / 2 x( t) y * ( t τ ) dt Autres exemples Détection de signal périodique noyé dans le bruit Analyse spectrale Test de "blancheur" 21
Introduction aux distributions E o i(t) V(t) C V ( t) = E o t t < > Question : que vaut i(t)? i ( t) = V est discontinue C dv dt i(t) est nul partout. En, on ne connaît pas la valeur de i car V(t) est discontinue en et n'est donc pas dérivable en ce point. Et pourtant, i(t) en existe puisque il y a eu transfert de charge q = i( t) dt = entre l'alimentation et la capacité. Aire sous i(t) = CE... étrange non? i(t) serait une fonction qui vaut partout et l'infini en impossible car on aurait 2*i(t) = i(t), ou i(t)² = i(t)... i(t) n'est donc pas une fonction, c'est une distribution! On l'appelle distribution de Dirac + CE o 22
Distribution de Dirac Définition Si φ est une fonction, la distribution de Dirac ou impulsion de Dirac est définie par : = t. t dt= => Dirac appliqué à une fonction = la valeur de la fonction en Remarque : il n'existe pas de fonction δ vérifiant cette propriété Cependant pour des raisons de commodités, on la note souvent comme une fonction de t : δ(t), qu'on représente : δ(t) Propriétés Dirac représente un signal de durée théoriquement nulle et d'énergie finie (=1). Notation incorrecte mais commode : Une impulsion de Dirac à l'instant t 1 donne : δ ( t 1 ) = δ t ( t 1 ) δ ( t 1 ϕ ) = ϕ ( t ) ( 1 ) t Autre propriété : x( t) δ ( t to) = x( to) δ ( t to) 23
Distribution de Dirac Autres définitions : Comme une fonction : δ ( x) = + δ ( x) = δ ( x) dx À partir du signal porte : δ ( x) = lim τ 1 Π τ τ 1 x ( x) Remarque1 : ceci est impossible : l'aire sous le pic ne peut être égale à 1... Remarque2 : l'énergie du Dirac est donc égale à 1 1 τ τ τ (t) δ(t) t Mêmes remarques! Peut être vue comme la dérivée d'un échelon t 24
Peigne de Dirac Définition C'est une somme infinie d'impulsions de Dirac régulièrement espacées de T o To Ш + T = δ (t kto ) o k = Propriété -2To -To To 2To t Ш x ( t) = x( kto) δ ( t kto) To k x(t) x(t) To Echantillonnage de la fonction x(t) t 25
Qq éléments sur la théorie des Distributions... Définition On appelle une distribution D, un opérateur sur l'espace vectoriel V de fonctions ϕ(t), indéfiniment dérivable et à support borné. Propriétés D : D ( ϕ 1 + ϕ 2) = D( ϕ 1) + D( ϕ 2) D ( λ ϕ ) = λ D( ϕ ) V ϕ ( t) λ est un scalaire Dérivation d'une distribution C C D, ϕ ou D( ϕ ) : ensemble des nombres complexes Soit D une distribution alors la dérivée D' de D définit également une distribution telle que D' ( ϕ ) = D( ϕ ') Voir J. Auvray pour plus de précisions 26